Python4：Cartopy和matplotlib包绘制地图和时间序列图

温馨提示

（1）本号分享的有关python的经验方法都是基于anaconda下载的库包（conda install 库包名 或 cmd 命令 pip install 库报名），以及使用anaconda里的spyder(python3.8)编辑和运行代码。

（2）所有的代码都是经过了spyder(python3.8)正常运行得出结果的，可以放心使用，也欢迎交流和讨论。

（3）使用的软件以及不同版本，都有可能会导致代码运用出现问题（不代表分享的代码有问题或是错误的。），关于不同版本运行本号分享的代码出现问题，请自行网上搜索解决办法解决。

（4）如有转载或分享请注明出处，尊重本号版权和辛劳，谢谢！如有侵权敬请联系删除。

3 V% n5 K9 T1 N0 Q5 s

Cartopy是一个Python包，用于地理空间数据处理，以便生成地图和其他地理空间数据分析。Cartopy利用了强大的PROJ.4、NumPy和Shapely库，并在Matplotlib之上构建了一个编程接口，用于创建发布质量的地图。cartopy的主要特点是面向对象的投影定义，以及在投影之间转换点、线、向量、多边形和图像的能力。

7 ~( X3 e2 d% `8 i4 m/ c6 `

绘制简单地图

Cartopy公开了一个接口，可以使用matplotlib轻松创建地图。创建基本地图非常简单，只需告诉Matplotlib使用特定的地图投影，然后在轴上添加一些海岸线：

1. 使用anaconda安装Cartopy库：

• 
  , k& z" x( m: {9 U8 g+ a' q' \2 g
  

conda install Cartopy
- y' h! F3 v2 l

2 D! X; g# O% Q% y8 F3 p0 i

2. 使用matplotlib.pyplot（plt）绘图：

例1：

• 
  9 L# M2 u- t; k: C5 n" L0 [
• 
  
• 
  
• 
  
• 
  
• 
  ' D1 S% [+ n& N# Q9 Y4 q1 r. ]
  

import cartopy.crs as ccrsimport matplotlib.pyplot as plt#一种投影ax = plt.axes(projection=ccrs.PlateCarree())ax.coastlines()plt.show()
5 `1 ]1 t1 n' p4 J1 @

---

• 
  . ]( E9 P( F. c3 m: ~5 Q$ X6 ~
• 
  / o9 Q3 A! W, o3 ]& R4 x
• 
  
• 
  
• 
  * d9 m5 K% u/ _, H/ s! V
• 
  
  + ]* K4 b- K; ^8 h7 ^

import cartopy.crs as ccrsimport matplotlib.pyplot as plt#换一种投影ax = plt.axes(projection=ccrs.Mollweide())ax.stock_img()plt.show()
% N. m  ]# A4 y, V

图形保存方式：

• 
  
• 
  3 H# `6 h4 b& b+ J5 t- ^9 r7 u: s
• 
  
  5 p+ `8 p. O0 f9 l

# Save the plot by calling plt.savefig() BEFORE plt.show()plt.savefig('coastlines.pdf')  #保存为pdf格式的文件plt.savefig('coastlines.png')  ##保存为png格式的图片
' n( k% }" e! F5 Z; d

; V4 [+ S9 X+ n) j4 `

绘制时间序列图

例：以三角函数为例绘图

• 
  
• 
  
• 
  
• 
  0 z  a$ I! z5 ^! @2 z: a' V; w
• 
  
• 
  ' R* d) i3 E; |( U6 O
• 
  6 d& x) D) Y) C
• 
  
• 
  ! S2 x2 L' e' c7 I' ~8 o+ u2 z) `
• 
  
• 
  
• 
  
• 
  
• 
  % s- Z" z9 ?3 b5 n- Z
• 
  % \5 e3 f5 h% i  }" K/ J$ d
• 
  & \/ b# z- O6 k6 ?: o. W& _- e  |4 r
• 
  
• 
  
• 
  
• 
  
  2 k! r7 L+ y6 P/ @$ W- h( y& A! h$ p

import numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']  # 中文字体设置-黑体plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题x = np.arange(-2*np.pi, 2*np.pi, 0.01)  #设值y1 = np.sin(x)y2 = np.cos(x)plt.figure(figsize=(10, 7))  #画布大小plt.plot(x, y1, label='$sinx$')  #绘制sin曲线plt.plot(x, y2, label='$cosx$')  #绘制cos曲线plt.legend(loc='upper right')  #图例plt.xlim(-2*np.pi-1, 2*np.pi+3)plt.xticks([-2*np.pi, -np.pi, 0, np.pi, 2*np.pi], ['$-2\pi$', '$-\pi$', '$0$', '$\pi$', '$2\pi$'])plt.title('三角-函数')plt.xlabel('横坐标')plt.ylabel('纵坐标')plt.axhline(y=0, c='black')plt.show()
7 E3 w6 ~5 ]5 A3 N6 E- g

  ?7 m% X0 v% P9 E9 W4 ]

5 ]& d  t- T* [8 D: j                               
登录/注册后可看大图

2 l8 J: O! n+ e2 j/ a

以某地1979-2019年平均气温为例绘制两个站点气温时间序列的子区域图：

数据内容如下：

• 
  
• 
  
• 
  8 Q5 t* b8 P  b/ k
• 
  ! Z! i: C; M+ z) Z! W- N# m
• 
  1 N+ a" }# w# D0 r( C& U
• 
  
• 
  
• 
  
• 
  
• 
  : m& t  `2 J$ z9 I" c
• 
  % H1 @3 j6 f5 z: b7 d& ?
• 
  ) X0 C6 n+ i8 r5 \2 n
• 
  
• 
  
• 
    Z- w# f/ n5 x% m- x- R
• 
  7 J% Q% @/ u4 n  G+ }, R
• 
  
• 
  " M) D) @3 u1 V% a9 C- o. s
• 
  
• 
  3 o4 x6 X) ?# t* O1 }0 Y" j
• 
  
• 
  0 q7 H6 N& p; A
• 
  ' K) D$ a* {( q4 j2 n
  9 }1 O! v2 X( q* U- E

import pandas as pdimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei']  # 中文字体设置-黑体plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题#读取某地1979-2019年年平均气温数据共40年data = pd.read_csv("annual tem.txt", skiprows=1, sep='\s+', header=None, names=['year', 'sta1', 'sta2'])print(data)x = data.yeary1 = data.sta1y2 = data.sta2plt.figure(figsize=(10, 7))  #画布大小plt.plot(x, y1, 'r',  label='$sta1$')  #绘制sin曲线plt.plot(x, y2, 'b', label='$sta2$')  #绘制cos曲线plt.legend(loc='upper left')  #图例plt.title('1979-2019 annual mean temperature')plt.xlabel('year')plt.ylabel('tem')plt.show()

( Y8 Q& m3 e5 U8 h# ]' {( j

) H2 h/ P+ V: o7 [1 X7 B                               
登录/注册后可看大图

) c9 ?) }5 B8 L! e7 a% `

使用matplotlib.pyplot(plt)进行绘图时，直接使用plt里的函数：使用面向对象的方法，先产生一个Axes对象，再对此对象进行操作，实现绘图。